MATLAB计算机视觉与深度学习实战
正版保障 假一赔十 可开发票
￥ 76.7 6.0折 ￥ 128 全新
库存54件
广东广州
认证卖家担保交易快速发货售后保障
作者刘衍琦，王小超，詹福宇主编
出版社电子工业出版社
ISBN9787121475733
出版时间2024-05
装帧平装
开本其他
定价128元
货号15702244
上书时间2024-07-05
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
"——刘衍琦 技术图书主编，拥有企业、研究所、高校从业经历，长期从事大数据和人工智能实践应用相关工作，主要涉及机器学习、计算机视觉和自然语言处理等领域。曾主持和参与多个科研项目，已出版十余部图书，拥有多项国家专利。 ——王小超 天津工业大学副教授，硕士生导师，大连理工大学博士，北京航空航天大学计算机学院博士后，中国计算机学会会员，天津市131创新型人才培养工程第三层次人才。研究方向为图形图像处理，发表论文30多篇，主持完成国家自然科学基金项目1项。 ——詹福宇 博士，毕业于西北工业大学航空学院飞行器设计专业，四川省特聘专家，自贡市“盐都百千万英才计划”青年拔尖人才，现任中电科航空电子有限公司无人机领域高级技术专家，中电科特种飞机系统工程有限公司"
目录
第1章 基于图像增强方法的图像去雾技术 1 1.1 案例背景 1 1.2 空域图像增强 1 1.3 直方图均衡化 2 1.4 程序实现 4 1.4.1 设计GUI 4 1.4.2 全局直方图均衡化处理 5 1.4.3 对比度的自适应直方图均衡化处理 6 1.4.4 Retinex增强处理 8 1.4.5 方法评测 10 第2章 基于Hough变换的答题卡识别 15 2.1 案例背景 15 2.2 图像二值化 15 2.3 倾斜校正 16 2.4 图像分割 19 2.5 程序实现 21 2.5.1 图像灰度化 21 2.5.2 灰度图像二值化 21 2.5.3 图像平滑滤波 21 2.5.4 图像校正 22 2.5.5 完整性核查 22 第3章 基于聚类算法的图像分割 32 3.1 案例背景 32 3.2 K-means聚类算法的原理 32 3.3 K-means聚类算法的特点 33 3.4 K-means聚类算法的缺点 34 3.5 基于K-means聚类算法进行图像分割 34 3.6 程序实现 35 3.6.1 数据样本间的距离 35 3.6.2 提取特征向量 36 3.6.3 图像聚类分割 36 第4章 基于区域生长的肝脏影像辅助分割系统 40 4.1 案例背景 40 4.2 阈值分割算法 40 4.3 区域生长算法 41 4.4 基于阈值预分割的区域生长算法 42 4.5 程序实现 42 第5章 基于主成分分析的人脸二维码编解码系统 46 5.1 案例背景 46 5.2 QR编码简介 46 5.2.1 QR编码的符号结构 46 5.2.2 QR编码的基本特性 47 5.2.3 QR编码的流程 48 5.2.4 QR译码的流程 49 5.3 主成分分析 49 5.4 程序实现 50 5.4.1 人脸建库 50 5.4.2 人脸识别 51 5.4.3 人脸二维码 52 第6章 基于特征匹配的英文印刷体字符识别 58 6.1 案例背景 58 6.2 图像预处理 58 6.3 图像识别技术 59 6.4 程序实现 61 6.4.1 设计GUI 61 6.4.2 回调识别 65 第7章 基于小波变换的图像融合 67 7.1 案例背景 67 7.2 小波变换 68 7.3 程序实现 70 7.3.1 设计GUI 70 7.3.2 图像载入 70 7.3.3 小波融合 72 第8章 基于块匹配的全景图像拼接 75 8.1 案例背景 75 8.2 图像拼接 75 8.3 图像匹配 76 8.4 图像融合 78 8.5 程序实现 78 8.5.1 设计GUI 78 8.5.2 载入图像 79 8.5.3 图像匹配 81 8.5.4 图像拼接 84 第9章 基于主成分分析的图像压缩和重建 90 9.1 案例背景 90 9.2 主成分分析降维的原理 90 9.3 由得分矩阵重建样本 91 9.4 主成分分析数据压缩比 92 9.5 基于主成分分析的图像压缩 92 9.6 程序实现 92 9.6.1 主成分分析的代码实现 92 9.6.2 图像与样本间的转换 93 9.6.3 基于主成分分析的图像压缩 94 第10章 基于小波变换的图像压缩 98 10.1 案例背景 98 10.2 图像压缩基础 98 10.3 程序实现 99 第11章 基于GUI搭建通用的视频处理工具 107 11.1 案例背景 107 11.2 视频解析 107 11.3 程序实现 108 11.3.1 设计GUI 108 11.3.2 实现GUI 110 第12章 基于帧间差分法进行运动目标检测 120 12.1 案例背景 120 12.2 帧间差分法 120 12.3 背景差分法 121 12.4 光流法 122 12.5 程序实现 123 第13章 路面裂缝检测识别系统设计 132 13.1 案例背景 132 13.2 图像灰度化 132 13.3 图像滤波 134 13.4 图像增强 136 13.5 图像二值化 137 13.6 程序实现 139 第14章 基于光流场的车流量计数 151 14.1 案例背景 151 14.2 光流法检测运动物体的基本原理 151 14.3 光流场的计算方法 152 14.4 梯度光流场约束方程 153 14.5 Horn-Schunck算法 155 14.6 程序实现 156 14.6.1 计算视觉系统工具箱简介 156 14.6.2 基于光流场检测汽车运动 157 第15章 基于邻域支持的三维网格模型特征点提取 164 15.1 案例背景 164 15.2 网格特征提取 164 15.2.1 邻域支持 165 15.2.2 网格特征点提取 166 15.3 程序实现 170 第16章 基于小波变换的数字水印技术 174 16.1 案例背景 174 16.2 数字水印技术原理 175 16.3 典型的数字水印算法 177 16.4 数字水印攻击和评价 179 16.5 基于小波变换的水印技术 180 16.6 程序实现 182 16.6.1 准备宿主图像和水印图像 182 16.6.2 小波数字水印的嵌入 183 16.6.3 小波数字水印的检测和提取 187 16.6.4 小波数字水印的攻击实验 189 第17章 基于BEMD与Hilbert曲线的图像水印技术 193 17.1 案例背景 193 17.2 BEMD与Hilbert曲线 193 17.2.1 相关工作 194 17.2.2 案例算法 196 17.3 程序实现 200 17.3.1 实验结果与分析 200 17.3.2 核心程序 203 第18章 基于计算机视觉的辅助自动驾驶 209 18.1 案例背景 209 18.2 环境感知 210 18.3 行为决策 210 18.4 路径规划 211 18.5 运动控制 211 18.6 程序实现 211 18.6.1 传感器数据载入 211 18.6.2 创建追踪器 213 18.6.3 碰撞预警 215 第19章 基于深度学习的汽车目标检测 220 19.1 案例背景 220 19.2 基本架构 220 19.3 卷积层 221 19.4 池化层 223 19.5 程序实现 223 19.5.1 加载数据 223 19.5.2 构建CNN 224 19.5.3 训练CNN 226 19.5.4 评估训练效果 227 第20章 基于深度学习的手写数字识别 230 20.1 案例背景 230 20.2 卷积核 230 20.3 特征图 232 20.4 池化降维 233 20.5 模型定义 234 20.6 MATLAB实现 244 20.6.1 解析数据集 244 20.6.2 构建网络模型 247 20.6.3 构建识别平台 250 20.7 Python实现 253 20.7.1 数据拆分 253 20.7.2 训练网络 254 20.7.3 网络测试 257 20.7.4 集成应用 257 第21章 基于深度学习的以图搜图 260 21.1 案例背景 260 21.2 选择模型 260 21.2.1 AlexNet 261 21.2.2 VGGNet 263 21.2.3 GoogLeNet 264 21.3 深度特征 266 21.4 程序实现 269 21.4.1 构建深度索引 269 21.4.2 构建搜索引擎 272 21.4.3 构建搜索平台 275 第22章 基于深度学习的验证码识别 278 22.1 案例背景 278 22.2 生成验证码数据 278 22.3 验证码CNN识别 286 22.4 程序实现 289 22.4.1 验证码样本数据集标注 289 22.4.2 验证码样本数据集分割 291 22.4.3 训练验证码识别模型 292 22.4.4 测试验证码识别模型 294 第23章 基于生成对抗网络的图像生成 297 23.1 案例背景 297 23.2 选择生成对抗数据 297 23.3 设计生成对抗网络 298 23.4 程序实现 304 23.4.1 训练生成对抗模型 304 23.4.2 测试生成对抗模型 307 23.4.3 构建生成对抗平台 309 第24章 基于深度学习的影像识别 311 24.1 案例背景 311 24.2 选择肺部影像数据集 311 24.3 编辑CNN迁移模型 313 24.4 程序实现 319 24.4.1 训练CNN迁移模型 319 24.4.2 测试CNN迁移模型 323 24.4.3 融合CNN迁移模型 326 24.4.4 构建CNN识别平台 328 第25章 基于CNN的物体识别 330 25.1 案例背景 330 25.2 CIFAR-10数据集 331 25.3 VGGNet 332 25.4 ResNet 334 25.5 程序实现 336 第26章 基于CNN的图像校正 344 26.1 案例背景 344 26.2 倾斜数据集 344 26.3 自定义CNN回归网络 346 26.4 AlexNet回归网络 347 26.5 程序实现 349 第27章 基于LSTM的时间序列分析 357 27.1 案例背景 357 27.2 厄尔尼诺―南方涛动指数数据 357 27.3 样条分析 358 27.4 用MATLAB实现LSTM预测 359 27.5 用Python实现LSTM预测 363 第28章 基于YOLO的交通目标检测 368 28.1 案例背景 368 28.2 车辆YOLO检测 371 28.3 交通标志YOLO检测 378 第29章 基于ChatGPT的智能问答 384 29.1 案例背景 384 29.2 网络URL访问 384 29.3 ChatGPT接口说明 385 29.4 构建智能问答应用 386
内容摘要
本书详细讲解了29个实用的MATLAB计算机视觉与深度学习实战案例（含可运行程序），涉及图像去雾、答题卡识别、图像分割、肝脏影像辅助分割系统、人脸二维码编解码系统、英文印刷体字符识别、图像融合、全景图像拼接、图像压缩和重建、视频处理工具、运动目标检测、路面裂缝检测识别系统、车流量计数、三维网格模型特征点提取、数字水印、图像水印、辅助自动驾驶、汽车目标检测、手写数字识别、以图搜图、验证码识别、图像生成、影像识别、物体识别、图像校正、时间序列分析、交通目标检测、智能问答等，还讲解了深度神经网络的拆分、编辑、重构等多项重要技术及应用，涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习的理论及应用方面。
工欲善其事，必先利其器。本书对每个数字图像处理的知识点都提供了丰富、生动的案例素材，并以MATLAB为工具详细讲解了实验的核心程序，涉及DeepLearning Toolbox、TensorFlow、Keras、Java等。通过对这些程序的阅读、理解和仿真运行，读者可以更加深刻地理解图像处理的相关知识，并且更加熟练地掌握计算机视觉及深度学习在不同领域中的应用。
本书以案例为基础，结构紧凑，内容深入浅出，实验简单高效，适合高等院校计算机、通信和自动化等相关专业的教师、本科生、研究生，以及计算机视觉工程人员阅读和参考。
主编推荐
"——作者阵容强大，经验相当丰富。在本书主编中，刘衍琦是机器学习算法专家及视觉AI课程讲师，对图文识别、大规模以图搜图、数据感知和采集等进行过深入研究，并结合行业背景推动了一系列的工程化应用。王小超在3D视觉分析、图像水印、工业视觉测量应用、图像智能识别方面积累了丰富的项目实战经验。詹福宇擅长模型设计与分析，在计算机视觉处理方面积累了丰富的工程经验。 ——本书案例丰富、实用、拓展性强。本书以案例的形式进行编写，充分强调案例的实用性及程序的可拓展性，所选案例均来自作者的日常研究及业务需求，每个案例都与实际课题相结合。另外，书中的每个案例程序都经过调试，作者为此编写了大量的测试代码。 ——本书点面完美结合，兼顾不同需求的读者，涵盖了数字图像处理中几乎所有的基本模块，并涉及视频处理、配准拼接、数字水印、生物识别等高级图像处理方面的内容，全面讲解了基于MATLAB进行计算机视觉及深度学习应用的原理及方法。"
精彩内容
本书详细讲解了29个实用的MATLAB计算机视觉与深度学习实战案例（含可运行程序），涉及图像去雾、答题卡识别、图像分割、肝脏影像辅助分割系统、人脸二维码编解码系统、英文印刷体字符识别、图像融合、全景图像拼接、图像压缩和重建、视频处理工具、运动目标检测、路面裂缝检测识别系统、车流量计数、三维网格模型特征点提取、数字水印、图像水印、辅助自动驾驶、汽车目标检测、手写数字识别、以图搜图、验证码识别、图像生成、影像识别、物体识别、图像校正、时间序列分析、交通目标检测、智能问答等，还讲解了深度神经网络的拆分、编辑、重构等多项重要技术及应用，涵盖了数字图像处理中几乎所有的基本模块，并延伸到了深度学习的理论及应用方面。工欲善其事，必先利其器。本书对每个数字图像处理的知识点都提供了丰富、生动的案例素材，并以MATLAB为工具详细讲解了实验的核心程序，涉及DeepLearning Toolbox、TensorFlow、Keras、Java等。通过对这些程序的阅读、理解和仿真运行，读者可以更加深刻地理解图像处理的相关知识，并且更加熟练地掌握计算机视觉及深度学习在不同领域中的应用。本书以案例为基础，结构紧凑，内容深入浅出，实验简单高效，适合高等院校计算机、通信和自动化等相关专业的教师、本科生、研究生，以及计算机视觉工程人员阅读和参考。
媒体评论
"本书集成了基础案例和视觉识别、检索方面的工程应用，从实际项目的角度详述了算法构思、编程实践和项目部署，为读者提供了一套好用的知识点编程调试和工程复用方法，具备很高的实用价值。 ——刘日升 大连理工大学教授、大连理工大学几何计算与智能媒体技术研究所所长 这是一本专注于实际案例的图书，浅显易懂地介绍了多个视觉应用场景中的算法构建、编程实践及成效评估，还深入探讨了研发过程中的常见挑战及应对策略，内容丰富，案例紧贴实际需求，无论是新手还是有经验的开发者，均能从中受益良多。 ——王辉 石家庄铁道大学教授 本书以实战案例为核心，涵盖了计算机视觉领域的众多要点，贴合了将理论与实践相结合进行程序开发的需求。书中通过众多实用案例详尽阐述了计算机视觉的理论基础、方法论、技术细节和应用实践，集成了编者在视觉应用开发方面的深厚技术积累。本书条理清晰、浅显易懂，是学生和专业人士的宝贵参考资料。 ——胡建平 东北电力大学教授、“信息与计算科学”重量一流专业负责人 这是一本深入浅出、实战性强的图书，它通过丰富的实战案例，帮助读者深入理解如何将理论知识应用于实际场景。无论你是初学者还是有一定基础的开发者，本书都将为你提供宝贵的指导和帮助。相信本书一定会成为你在计算机视觉与深度学习领域的得力助手。 ——王刚 电子科技大学信息与通信工程学院副教授 本书对计算机视觉和深度学习的相关知识进行了深入讲解，案例丰富，实用性强。通过本书的引导，读者能够深入了解各种算法和模型的基本原理和应用场景，并将这些知识应用到实际项目中。本书作者团队拥有深厚的学术背景和丰富的实践经验，在计算机视觉与深度学习领域有一定的成就和影响力。通过阅读本书，读者还将有机会接触到该领域的高级专家，并从他们的经验和见解中受益。 ——薛远奎 中电科特种飞机系统工程有限公司高级工程师、无人机智能控制方向专家 本书深入讲解了计算机视觉分析技术及其在工程上的应用，以及各类应用场景下的算法设计和编程实现。本书将理论讲解与案例实践相结合，囊括了行业经验、项目操作、算法详解，可为读者提供快速掌握应用开发与设计的便捷路径。 ——杨晶 高德地图算法专家"
— 没有更多了 —
以下为对购买帮助不大的评价